Hcmute nghiên cứu, thiết kế và thi công mô hình quadcopter hỗ trợ tìm kiếm tai nạn trong môi trường thực tế

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH CƠNG TRÌNH NGHIÊN CỨU KHOA HỌC CẤP SINH VIÊN NGHIÊN CỨU, THIẾT KẾ VÀ THI CƠNG MƠ HÌNH QUADCOPTER HỖ TRỢ TÌM KIẾM TAI NẠN TRONG MÔI TRƯỜNG THỰC TẾ MÃ SỐ: SV2019-28 SKC 0 Tp Hồ Chí Minh, tháng 09/2019 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TPHCM BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN NGHIÊN CỨU, THIẾT KẾ VÀ THI CÔNG MÔ HÌNH QUADCOPTER HỖ TRỢ TÌM KIẾM TAI NẠN TRONG MƠI TRƯỜNG THỰC TẾ SV2019-28 Thuộc nhóm ngành khoa học: KỸ THUẬT – CƠ BẢN TP Hồ Chí Minh, 9/2019 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TPHCM BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN NGHIÊN CỨU, THIẾT KẾ VÀ THI CƠNG MƠ HÌNH QUADCOPTER HỖ TRỢ TÌM KIẾM TAI NẠN TRONG MÔI TRƯỜNG THỰC TẾ SV2019-28 Thuộc nhóm ngành khoa học: KỸ THUẬT – CƠ BẢN SV thực hiện: TRẦN NGỌC KHANH Nam, Nữ: NAM Dân tộc: KINH Lớp, khoa: 151511A – ĐIỆN – ĐIỆN TỬ Năm thứ: / Ngành học: CÔNG NGHỆ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA Người hướng dẫn: PGS TS TRƯƠNG ĐÌNH NHƠN TP Hồ Chí Minh, 9/2019 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TPHCM THÔNG TIN KẾT QUẢ NGHIÊN CỨU CỦA ĐỀ TÀI Thông tin chung: - Tên đề tài: Nghiên cứu, thiết kế thi cơng mơ hình quadcopter hỗ trợ tìm kiếm tai nạn mơi trường thực tế - SV thực hiện: TRẦN NGỌC KHANH NGUYỄN THÀNH TRUNG - Lớp: 151511A Khoa: Điện – Điện tử Mã số SV: 15151163 Mã số SV: 15151236 Năm thứ: Số năm đào tạo: - Người hướng dẫn: PGS TS TRƯƠNG ĐÌNH NHƠN Mục tiêu đề tài: - Nghiên cứu thiết kế khí, động lực học, khí động học, mạch điều khiển, xử lý tín hiệu, xử lý nhiễu cho máy bay cánh (Quadcopter); - Nghiên cứu sử dụng thành phần phù hợp tương thích cảm biến, vi điều khiển, động cơ, cung cấp lượng, giao tiếp, vv Đề tài chủ yếu tập trung vào việc sử dụng Raspberry Pi Model B, Arduino Uno R3; - Nghiên cứu áp dụng điều khiển PID vào máy bay để đáp ứng cân bay; - Kết hợp mơ-đun (GPS (Hệ thống định vị tồn cầu), Cảm biến, Arduino, Raspberry, v.v.) bao gồm phần cứng phần mềm - Tổng quan cách học sâu khái niệm cách thức hoạt động để áp dụng vào đề tài Sự kết hợp MobileNet Phát qua lần chụp (Single Shot Detector - SSD) cho phương pháp học sâu nhanh, hiệu để phát đối tượng Tính sáng tạo: Áp dụng công nghệ máy bay không người lái, UAV, mà Quadcopter vào đề tài, cơng nghệ khó tiếp cận cịn hạn chế sinh viên Cùng với kết hợp cơng nghệ nhận dạng xử lý hình ảnh, sử dụng kỹ thuật học sâu (deep learning) máy học (machine learning) để tạo dạng trí tuệ nhân tạo (Artificial Intelligence) nhằm đáp ứng tác vụ tìm kiếm không, hỗ trợ cứu hộ cứu nạn Kết nghiên cứu: - Tìm hiểu nguyên tắc bay nguyên tắc điều khiển quadcopter - Giải tốn cân động cho mơ hình theo trục x, y z - Xây dựng mơ hình thuật toán điều khiển riêng - Hiểu nguyên tắc bay mơ hình thiết kế - Hiểu mạng nơ-ron mơ hình Mobilenet-SSD - Mơ hình đào tạo đáp ứng nhiệm vụ hệ thống quadcopter mơi trường nhà ngồi trời Luan van Đóng góp mặt giáo dục đào tạo, kinh tế - xã hội, an ninh, quốc phòng khả áp dụng đề tài: - Đóng góp hỗ trợ cho việc nghiên cứu, nắm bắt công nghệ máy bay không người lái phát triển lĩnh vực quốc phịng - Đóng góp hỗ trợ cho việc nghiên cứu, nắm bắt công nghệ trí tuệ nhân tạo cơng nghiệp 4.0 - Áp dụng kỹ thuật tiên tiến, máy học, học sâu - Có mơ hình hỗ trợ cho sinh viên tham khảo nâng cấp tương lại Công bố khoa học SV từ kết nghiên cứu đề tài (ghi rõ tên tạp chí có) nhận xét, đánh giá sở áp dụng kết nghiên cứu (nếu có):………………………………………………………………………… Ngày 30 tháng năm 2019 SV chịu trách nhiệm thực đề tài (kí, họ tên) Nhận xét người hướng dẫn đóng góp khoa học SV thực đề tài (phần người hướng dẫn ghi): …………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… ……………………………………………………………………………………………… Xác nhận Trường (kí tên đóng dấu) Luan van Ngày 30 tháng năm 2019 Người hướng dẫn (kí, họ tên) MỤC LỤC MỤC LỤC DANH MỤC HÌNH ẢNH DANH MỤC BẢNG DANH MỤC TỪ VIẾT TẮT 10 CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI 11 1.1 Lý chọn đề tài .11 1.2 Mục tiêu đề tài 11 1.3 Các nghiên cứu liên quan nước 12 1.3.1 Tình hình nghiên cứu nước 12 1.3.2 Tình hình nghiên cứu nước 13 1.3.2.1 Nghiên cứu sinh viên .13 1.3.2.2 Nghiên cứu quân 15 1.4 Giới hạn đề tài 15 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VỀ QUADCOPTER TÌM KIẾM TAI NẠN 17 2.1 Lý thuyết điều khiển bay 17 2.1.1 Chuyển động .17 2.1.2 Sáu bậc tự (6DOF) 18 2.1.3 Khung tham chiếu 18 2.1.4 Góc Euler 19 2.1.5 Mô tả chuyển động .20 2.1.5.1 Định luật chuyển động thứ hai Newton 20 2.1.5.3 Lực lượng, khối lượng gia tốc 21 2.1.5.4 Lực đẩy cánh quạt 22 2.1.5.5 Phương trình chuyển động Quadcopter 23 2.1.6 Mơ hình khí động học 23 2.2 Hệ thống IMU 24 2.2.1 Tổng quan .24 2.2.2 Các loại thiết bị cảm biến chuyển động 25 2.2.2.1 Gia tốc kế 25 2.2.2.2 Con quay hồi chuyển 27 2.2.3 Xử lý nhiễu 29 Luan van 2.4 Bộ điều khiển PID .30 2.4.1 Tổng quát 30 2.4.2 Khâu tỷ lệ 32 2.4.3 Khâu tích phân 33 2.4.4 Khâu đạo hàm .34 2.4.5 Điều chỉnh điều khiển PID 35 2.5 Trí tuệ nhân tạo 36 2.5.1 Các loại trí tuệ nhân tạo 37 2.5.2 Máy học 38 2.5.2.1 Tổng quan .39 2.5.2.2 Chi tiết số thành phần này: 40 2.5.3 Học sâu 41 2.6 Mạng tích chập 42 2.6.1 Tổng quát 42 2.6.2 Cấu trúc mạng nơ ron tích chập .43 2.6.2.1 Lớp Tích chập .43 2.6.2.2 Phi tuyến tính 45 2.6.2.3 Stride Padding 45 2.6.2.4 Lớp Pooling 46 2.6.2.5 Lớp Flattening 48 CHƯƠNG 3: THIẾT KẾ VÀ XÂY DỰNG PHẦN CỨNG 49 3.1 Yêu cầu phần cứng 49 3.2 Sơ đồ khối 49 3.3 Giới thiệu phần cứng 49 3.3.1 Khung PCB 49 3.3.1.1 Tổng quan .49 3.3.1.2 Khung model F450 50 3.3.2 Động không chổi than (BLDC Motor) .50 3.3.2.1 Tổng quan .50 3.3.2.3 Lý thuyết vận hành nguyên lý điều khiển 51 3.3.2.4 Động BLDC loại A2212 / 13T 1000KV 51 3.3.4 Kiểm soát tốc độ điện tử (ESC) 52 3.3.4.1 Tổng quan .52 3.3.4.2 Cấu trúc 52 Luan van 3.3.4.3 Hobbywing SkyWalker 40A ESC 53 3.3.5 Vi điều khiển Arduino 53 3.3.5.1 Tổng quan .53 3.3.5.2 Arduino Uno R3 .54 3.3.5.3 Arduino Nano 55 3.3.6 Gia tốc kế quay hồi chuyển .56 3.3.6.1 Tổng quan .56 3.3.7 Raspberry Pi 57 3.3.7.1 Tổng quan .57 3.3.7.2 Raspberry Pi Model B 57 3.3.8 Tần số vô tuyến - Hệ thống thu phát 58 3.3.8.1 Tổng quan .58 3.3.8.2 Máy phát máy thu điều khiển bay .58 3.3.8.2 Máy thu phát NRF24L01 + PA + LNA 2.4Ghz .60 3.3.9 Pin LiPo 61 3.3.9.1 Tổng quan .61 3.3.9.5 Infinity LiPo Battery 61 3.3.10 Cánh quạt 62 3.3.10.1 Tổng quan .62 3.3.10.2 Cánh quạt FC 9045 .62 3.3.11 Webcam 63 3.3.11.1 Tổng quan .63 3.3.11.2 Webcam Logitech C170 .63 3.3.12 Thiết bị cảm biến sóng siêu âm 64 3.3.12.1 Tổng quan .64 3.3.12.2 Cảm biến siêu âm HC-SR04 64 3.3.13 Hệ thống định vị toàn cầu 65 3.3.13.1 Tổng quan .65 3.3.13.2 Mô-đun GPS Ublox NEO 6M 66 3.4 Sơ đồ kết nối phần cứng 66 3.4.1 Bộ thu GPS Trạm cảnh báo .66 3.4.2 Quadcopter Model 67 Luan van CHƯƠNG 4: GIẢI THUẬT ĐIỀU KHIỂN 69 4.1 Kiến trúc mạng 69 4.1.1 MobileNet-SSD Model 69 4.1.2 MobileNet – Các tính 70 4.1.3 Cấu trúc SSD Meta .71 4.2 Bộ điều khiển PID cho cân Quadcopter 72 4.4 Lưu đồ giải thuật .73 CHƯƠNG 5: THIẾT KẾ MÔ HÌNH THỰC TẾ 74 5.1 Kết thí nghiệm phần cứng .74 5.2 Thực nghiệm môi trường .76 5.3 Xây dựng tập liệu .77 5.5 Huấn luyện cho học sâu 78 5.7 Kết bay nhận dạng 80 5.7.1 Kết trình bay 80 5.7.1.1 Kết mơi trường phịng thí nghiệm 80 5.7.1.2 Kết môi trường tự nhiên 81 5.7.2 Kết giải pháp nhận dạng 81 5.7.2.1 Kết mơi trường phịng thí nghiệm 81 5.7.2.2 Kết môi trường tự nhiên 82 5.7 Kết định vị GPS 85 CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 87 6.1 Kết luận 87 6.1.1 Kết đạt 87 6.1.2 Ưu điểm 87 6.1.2 Hạn chế 87 6.2 Hướng phát triển .88 TÀI LIỆU THAM KHẢO 89 Luan van DANH MỤC HÌNH ẢNH Hình 1.1: UAV thay đổi hình dạng 13 Hình 1.2: SIMTOO Follow Me Tracking Drone 4K 13 Hình 1.3: Quadcopter sinh viên HCMUTE nghiên cứu chế tạo 14 Hình 1.4: Quadcopter sinh viên HCMUTE nghiên cứu chế tạo 14 Hình 1.5: Quadcopter sinh viên HCMUTE nghiên cứu chế tạo 15 Hình 1.6: MD4-1000 Quân đội Việt Nam 15 Hình 2.1: Chế độ bay Quadcopter 17 Hình 2.2: Khung cố định khung biến đổi 18 Hình 2.3: Khung tham chiếu qn tính Khung tham chiếu thân máy 19 Hình 2.4: Ý tưởng góc Euler 20 Hình 2.5: Lực đẩy biểu diễn cho chân vịt 22 Hình 2.6: Các góc Roll, Pitch, Yaw 24 Hình 2.7: Gia tốc bóng rắn khơng gian 26 Hình 2.8: Gia tốc bóng theo hai trục x z 26 Hình 2.9: Gia tốc kế MEMS 27 Hình 2.10: Hệ thống vi điện tử Gyro 28 Hình 2.11: Hiệu ứng Coriolis 28 Hình 2.12: Bộ lọc bù 30 Hình 2.13: Hệ thống PID điều khiển vịng kín 31 Hình 2.14: Phản hồi PID điều khiển vịng kín 32 Hình 2.15: Khâu tỷ lệ 32 Hình 2.16: Tác động Kp 33 Hình 2.17: Khâu tích phân 33 Hình 2.18: Tác động Ki 34 Hình 2.19: Khâu đạo hàm 34 Hình 2.20: Tác động Kd 34 Hình 2.21: Ảnh hưởng hệ thống thay đổi độ lợi 36 Hình 2.22: Kết hiệu chỉnh PID mơ hình 36 Hình 2.23: Các loại Trí tuệ nhân tạo 38 Hình 2.24: Quan hệ AI ML 39 Luan van Hình 5.5: Mơi trường bay ban đêm Khu vực bay ban ngày dài 30m rộng 12m hình 5.4 Khu vực bay bao gồm đường nhựa, vỉa hè, hàng bãi cỏ Máy bay quadcopter điều khiển để bay ổn định, bay tiến lùi, xoay dễ dàng Khu vực bay đêm nhỏ chút, có khu vực đường nhựa, rộng 5m dài 30m Điều kiện môi trường ánh sáng vừa phải, nhiệt độ môi trường từ 30 đến 35 độ C, khơng có gió Vào buổi tối, bay ánh sáng đèn đường cường độ gần với ánh sáng ban ngày 5.3 Xây dựng tập liệu Chuẩn bị liệu cần thiết làm việc với mạng học tập sâu Raspberry Pi ghi lại hình ảnh thông tin lái xe từ người dùng tự lái xe quanh đường đua với tốc độ 3km / h Dữ liệu thu thập chứa 4.000 hình ảnh Hình 5.6: Ví dụ ảnh mẫu a) Mẫu nằm sàn; b) Mẫu nằm vỉa hè; c) Mẫu nằm đường; d) Nhiều mẫu ảnh Hình 5.7: Một phần tập liệu mẫu Mơ hình học sâu thường khơng phù hợp với tập liệu nhỏ có q ví dụ để đào tạo, dẫn đến mơ hình có hiệu suất khái qt Tăng liệu kỹ thuật thao tác liệu đào tạo đến để tạo nhiều trường hợp liệu đào tạo cách tạo ví dụ thông qua chuyển đổi ngẫu nhiên liệu có Phương pháp giúp tăng kích thước tập huấn luyện, giảm overfit Các phép biến đổi phổ biến lật ngang, điều chỉnh độ sáng bóng ngẫu nhiên minh họa Hình 5.8 77 Luan van Ngoài ra, việc tăng liệu thực liệu huấn luyện, tập xác thực tập kiểm tra Hình 5.8: Các cách tăng kích thước tập liệu a) Dữ liệu bình thường; b) Giảm độ sáng; c) Chuyển đổi HUE; d) Đổi màu; e) Tăng độ sáng; f) Lật hình 5.5 Huấn luyện cho học sâu Sau có liệu, việc tạo nhãn phần mềm thấy hình ảnh bên dưới: Hình 5.9: Tạo nhãn (label) cho mẫu vật 78 Luan van Hình 5.10: Chạy lệnh huấn luyện Ubuntu Prompt Sau thời gian dài khoảng 30 cho q trình dạy học cho mơ hình mạng Chúng tối cố số kết theo bên giới: - Total 38731 steps of training processing - Gồm 38731 bước việc dạy học - Khoảng – giây bước Đây tham số dựa vào phần cứng mà dạy học có model, trường hợp sử dụng Laptop với 5.4 Gb, GPU ( 60 m Geforce), GHz 0.95 - Loss value: Hình 5.11: Total loss value 79 Luan van Hình 5.12: Classification loss value Hình 5.13: Localization loss value Hình 5.14: Kết sau huấn luyện Cuối việc dạy học đánh giá lại model cách lấy 150 liệu kiểm tra Kết mAP (mean Average Precision) 0.9999915 5.7 Kết bay nhận dạng 5.7.1 Kết trình bay 5.7.1.1 Kết mơi trường phịng thí nghiệm Hình 5.15: Thử nghiệm bay nhà 80 Luan van a) Trong phòng; b) Ở hành lang; c) Trong sảnh 5.7.1.2 Kết mơi trường tự nhiên Hình 5.16: Bay có điều khiển từ xa Hình 5.17: Kết bay mơi trường ban ngày a) Quay phải; b) Bay bãi cỏ; c) Bay đường Hình 5.18: Kết bay môi trường ban đêm a) Bay bãi cỏ; b) Bay đường 5.7.2 Kết giải pháp nhận dạng 5.7.2.1 Kết mơi trường phịng thí nghiệm 81 Luan van Hình 5.19: Kết nhận dạng phòng a) Phát đối tượng nằm; b) Hai đối tượng đứng, nằm c) Phát đối tượng đứng, nằm Đối với môi trường này, đối tượng phát không bị che khuất đối tượng lạ Trong trường hợp, đối tượng bị che khuất lớn 50% so với hình dạng đối tượng, mơ hình Quadcopter khơng thể nhận diện đối tượng Hình 5.20 5.21 cho thấy khả xác định đối tượng bị che khuất Hình 5.20: Đối tượng bị che khuất 50% a) Chỉ có đối tượng bị che khuất; b), c) Đối tượng bị che khuất đối tượng bình thường Hình 5.21: Chưa nhận dạng đối tượng bị che khuất 50% 5.7.2.2 Kết môi trường tự nhiên 5.6.2.2.1 Kết môi trường ban ngày Sau thử nghiệm môi trường nhà Chúng tơi thử nghiệm mơ hình với mơi trường trời Đầu tiên điều kiện ánh sáng ban ngày Máy bay quadcopter đáp ứng yêu cầu phát đối tượng tốt chí với cường độ ánh sáng mạnh phát đối tượng với độ xác cao Một số thơng số mơi trường thí nghiệm: nhiệt độ khoảng 30 - 35 độ C, khơng 82 Luan van có gió, cường độ ánh sáng vừa phải, cỏ đường Hình 5.22 5.23 cho thấy kết điển hình phát ngồi trời Hình 5.22: Kết nhận dạng đường a) Đối tượng nằm khu vực ánh sáng gắt; b) Ba đối tượng; c) Hai đối tượng; d) Nhận dạng trạng thái đứng, nằm; e) Trên vỉa hè; f) Đối tượng đứng Hình 5.23: Kết nhận dạng cỏ a) Đối tượng nằm khu vực ánh sáng gắt; b) Ba đối tượng; c) Đối tượng nằm; d) Hai đối tượng; e) Đối tượng đứng 5.6.2.2.2 Kết môi trường ban đêm Để kiểm chứng hệ thống có thực nhiệm vụ phát đối tượng tốt hay không? Chúng thử nghiệm mơi trường buổi tối có độ sáng tương tự ánh sáng ban ngày Kết thực hiện, Hình 5.24 83 Luan van Hình 5.24: Kết môi trường ban đêm a), b) Nhận dạng đường; c), d) Nhận dạng cỏ 5.6.2.2.3 Nhận dạng đối tượng bị che khuất thiếu ánh sáng Giống thực kiểm tra nhà, đối tượng bị che khuất, hệ thống Quadcopter phát khơng bị che khuất vật thể lạ Trong trường hợp, phần bị che khuất lớn 50% hình dạng đối tượng, hệ thống thực nhiệm vụ phát đối tượng Hình 5.25: Đối tượng bị che khuất 50% a) Trên đường; b) Trên bãi cỏ Hình 5.26: Chưa nhận dạng đối tượng bị che khuất 50% a) Trên bãi cỏ; b) Trên đường Khi thực vào buổi tối có vấn đề tương tự Bởi vào buổi tối, ánh sáng nhiều so với ban ngày, khơng có đủ ánh sáng, vật thể phát 84 Luan van được, Hình 5.27 Hình 5.27: Trường hợp không phát điều kiện ánh sáng xấu a) Q tối; b) Khơng đủ ánh sáng; c) Khuất bóng 5.7 Kết định vị GPS Trạm thu thập liệu GPS chúng tơi kết nối với máy tính Nếu hệ thống không nhận thông tin phát đối tượng bị nạn nhận thơng tin bình thường tọa độ quadcopter Khi phát tín hiệu Buzzer báo động, người quan sát sử dụng thông tin đặc biệt để kiểm tra vị trí đối tượng bị nạn đồ Hình 5.28: Trạm thu GPS 85 Luan van Hình 5.29: Kết định vị theo đường bay cảnh báo a) Đường bay 1; b) Đường bay Đây đồ để theo dõi khu vực mà máy bay qua vị trí phát đối tượng cần cứu hộ Chúng tơi sử dụng tín hiệu GPS để xác định vị trí Sau có liệu, chúng chuyển đến trạm nhận lưu Excel Để quan sát, áp dụng địa web mapmakerapp.com để tạo đồ trực tuyến 86 Luan van CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 6.1 Kết luận 6.1.1 Kết đạt Sau ba tháng nghiên cứu thực dự án, thiết kế xây dựng mơ hình máy bay tìm kiếm tai nạn mơi trường ngồi trời hồn thành với nỗ lực chúng tơi Sau nhiều lần lỗi phần cứng lẫn phần mềm, hệ thống hoạt động với kết tốt Chúng đạt số nội dung sau đây: - Tìm hiểu nguyên tắc bay nguyên tắc điều khiển quadcopter - Giải tốn cân động cho mơ hình theo trục x, y z - Xây dựng mơ hình thuật toán điều khiển riêng - Hiểu nguyên tắc bay mơ hình thiết kế - Hiểu mạng nơ-ron mơ hình Mobilenet-SSD - Mơ hình đào tạo đáp ứng nhiệm vụ hệ thống quadcopter môi trường nhà trời 6.1.2 Ưu điểm - Đánh giá kết quả, chúng tơi có mAP khoảng 0.99 Nghĩa độ xác mơ hình sau dạy học thử lại với tập liệu có đặc trưng gần giống với mẫu dạy - Thời gian phát đối tượng khoảng 380 mm giây - Tăng real time đáng kể với phần cứng Raspberry Pi khoảng - fps - Giảm giá thành giảm kích thước 6.1.2 Hạn chế Bên cạnh kết đạt được, dự án cịn có nhiều hạn chế sau: - Sử dụng mô-đun áp dụng, chưa có hiểu biết sâu sắc hoạt động chúng - Mặc dù giải vấn đề cân cho phép mơ hình cất cánh bay không gian, độ cân không thực tốt, mức độ dao động cịn, độ ổn định khơng cao - Giới hạn tốc độ hệ thống quadcopter để phát thực tác vụ việc nhận dạng đối tượng 87 Luan van 6.2 Hướng phát triển Do linh hoạt kiểm sốt, hệ thống UAV có ứng dụng rộng rãi tất lĩnh vực dân quân sự, hoạt động tìm kiếm cứu hộ, theo dõi đối tượng, sản phẩm giao hàng Ngày nay, chuyên gia phác thảo phương pháp tích cực để giải vấn đề giao thơng; Đáng ý, theo dõi tội phạm hỗ trợ nạn nhân vụ tai nạn giao thông Một phương pháp tiềm đề xuất luận án sử dụng UAV làm robot hỗ trợ đường di chuyển bị chặn khỏi khơng khí so với phương tiện mặt đất không người lái (UGV) Hiện tại, nghiên cứu UAV cho SAR tiến hành giới Một cải tiến để hệ thống có khả với độ xác cao đề xuất tương lai 88 Luan van TÀI LIỆU THAM KHẢO [1] Le Tien Sy, Nguyen Thanh Binh, and Huynh Ngoc Thuong, “Scientific Research Report: Design and Construction of Robot Quadrotor”, HCMC University of Technology and Education, 2015 [2] Tran Le Anh and Le Tuan Thong, “Design and Implement a Quadcopter Model Autonomously Landing on a Stationary Target”, HCMC University Technology and Education, 2018 [3] Ngo Tran Khanh Dang, “Simulate Quadrotor in Simulink with SimMechanics”, HCMC University of Technology, 2014 [4] Lam Ngoc Tam, “Design and Manufacture of Flight Model – Quadrocopter”, The University of Da Nang, 2012 [5] Bui Quang Minh, “Lagrange mechanics”, Vietnamese – Germany University, 2015 [6] Phung Thai Son, “Introducing how to use Ublox's NEO and NEO GPS modules”, Arduino Viet Nam, 2017 [7] Nguyen Manh Hung, “Using NRF24L01 Module - 2.4GHz radio transceiver with Arduino”, Arduino Viet Nam, 2015 [8] Nguyen Tan Phuc, “Dynamics for Robots”, Nong Lam University – HCMC, 2014 [9] Teppo Luukkonen “Modelling and control of quadcopter”, Aalto University, 2011 [10] Shaikh Altamash, Syed Adnan and Padwekar Aamir, “Kinematic, Dynamic Modeling and Simulation of Quadcopter”, University of Mumbai, 2016 [11] Joop Brokking, “Project YMFC-AL - The Arduino auto-level quadcopter”, 2017 [12] Andrew Gibiansky, “Quadcopter Dynamics, Simulation and Control”, 2012 [13] Charles Tytler, “Modeling and simulation of a quadcopter’s vehicle dynamics”, 2017 [14] Matej Andrejašiˇc, “MEMS Accelerometers”, University of Ljubljana, 2008 [15] Kenzo Nonami, Farid Kendoul, Satoshi Suzuki, Wei Wang and Daisuke Nakazawa, “Autonomous Flying Robots: Unmanned Aerial Vehicles and Micro Aerial Vehicles”, Springer, 2010 [16] Axel Reizenstein, “Position and Trajectory Control of a Quadcopter Using PID and LQ Controllers”, Linköping University, 2017 [17] Carlos Murguía, “Rigid-Body Dynamics”, Eindhoven University of Technology, 2016 [18] Haomiao Huang, Gabriel M Hoffmann, Steven L Waslander and Claire J Tomlin, “Aerodynamics and Control of Autonomous Quadrotor Helicopters in Aggressive Maneuvering”, 2009 IEEE International Conference on Robotics and Automation Kobe International Conference Center, Kobe, Japan, May 12-17, 2009 [19] I Can Dikmen, Aydemir Arısoy and Hakan Temeltaş, “Attitude Control of a Quadrotor”, IEEE, 2009 [20] Jay Esfandyari, Roberto De Nuccio, Gang Xu, “Introduction to MEMS gyroscopes”, STMicroelectronics, 2010 89 Luan van [21] Johann-Sebastian Pleban, Ricardo Band and Reiner Creutzburg, “Hacking and securing the AR.Drone 2.0 quadcopter - Investigations for improving the security of a toy”, Brandenburg University of Applied Sciences, 2014 [22] InvenSense Inc., “MPU-6000 and MPU-6050 Register Map and Descriptions Revision 4.2”, 2013 [23] MIT OpenCourseWare, “Design of Electromechanical Robotic Systems”, 2010 [24] García Carrilo, Dzul López, Lozano and Pégard, “Quad Rotorcraft Control”, Spinger, 2013 [25] Pau Seg Gascó, “Development of a Dual Axis Tilt Rotorcraft UAV: Modelling, Simulation and Control”, Cranfield University, 2012 [26] Implementation of Regional-CNN and SSD Machine Learning Object Detection Architectures for the Real Time Analysis of Blood Borne Pathogens in Dark Field Microscopy, July 2018 [27] Fast Object Detection for Quadcopter Drone using Deep Learning, April 2018 [28] Wei Liu1, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang Fu, Alexander C Berg, “SSD: Single Shot MultiBox Detector”, Dec 2016 [29] MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications, Apr 2017 [30] A deep learning based solution for construction equipment detection: from development to deployment, April 2019 [31] Convolutional neural networks (CNN) explanation and implementation, November 2018 [32] Yiting Li, Haisong Huang, Qingsheng Xie, Liguo Yao and Qipeng Chen, “Research on a Surface Defect Detection Algorithm Based on MobileNet-SSD”, Applied Sciences, September 2018 90 Luan van S K L 0 Luan van ... DỤC VÀ ĐÀO TẠO TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT TPHCM BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CỦA SINH VIÊN NGHIÊN CỨU, THI? ??T KẾ VÀ THI CƠNG MƠ HÌNH QUADCOPTER HỖ TRỢ TÌM KIẾM TAI NẠN TRONG MƠI TRƯỜNG... HỌC CỦA SINH VIÊN NGHIÊN CỨU, THI? ??T KẾ VÀ THI CƠNG MƠ HÌNH QUADCOPTER HỖ TRỢ TÌM KIẾM TAI NẠN TRONG MƠI TRƯỜNG THỰC TẾ SV2019-28 Thuộc nhóm ngành khoa học: KỸ THUẬT – CƠ BẢN SV thực hiện: TRẦN... NGHIÊN CỨU CỦA ĐỀ TÀI Thông tin chung: - Tên đề tài: Nghiên cứu, thi? ??t kế thi cơng mơ hình quadcopter hỗ trợ tìm kiếm tai nạn môi trường thực tế - SV thực hiện: TRẦN NGỌC KHANH NGUYỄN THÀNH TRUNG -